侧风对大跨度桥梁轿车行车安全影响的仿真分析

为了分析侧风对大跨度桥梁轿车行车安全的影响,文章综合考虑风速风向角、路面摩擦系数和车速等因素,利用CarSim软件建立了车辆动力学仿真模型;以轿车侧向偏移作为行车风险评价指标,通过数理统计理论分析各因素对行车安全的影响规律及显著性;建立了基于反向传播(back propagation,BP)神经网络的安全车速预测模型,对于不同道路环境、风环境下的安全车速进行预测。结果表明,该模型可以较好地预测安全车速,对于后期的研究以及制定大跨度桥梁行车管控的策略有一定的指导意义。     

城市低收入人群出行方式选择模型

应用700份调研样本数据,分析了城市低收入人群的年龄分布与就业状况。结合非集计模型理论,分析了影响低收入人群出行方式选择的因素。将驾驶人个人属性、家庭属性、车辆属性与出行属性作为效用变量,将步行、自行车、公交车3种交通方式作为低收入人群出行方式选择肢,构建了城市低收入人群出行方式选择模型,并确定了模型中相应的变量与取值方法。另选取175份调研数据,对模型的准确性进行验证。计算结果表明：应用建立的模型,步行、自行车、公交车3种交通方式的计算结果分别为23.4%、25.7%、50.9%;在调研数据中,3种交通方式的结果分别为21.7%、24.6%、53.7%;计算值与统计值的绝对误差较小,最大误差仅为2.8%。     

视觉遮挡条件下儿童过街危险感知类型判定方法

为了解儿童在视觉遮挡条件下过街的视觉注意力特征,对儿童的危险感知类型进行划分,招募48名儿童完成危险感知能力测试试验,收集儿童视觉注意力特征等信息,基于危险感知效用量化方法,通过主观危险感知度和情境客观危险度量化儿童危险感知效用值,借助k-means聚类方法,将儿童在视野遮挡测试情境下的288个危险感知效用值用肘部法、轮廓系数法和戴维斯-波尔丁指数法3种方法确定最佳簇数为3,因此将儿童危险感知类型划分为谨慎型、均衡型和激进型。从儿童视觉注意力特征、人口特征和道路环境特征方面选取危险感知类型特征因素,通过机器学习构建线性判别分析模型(LDA),并与随机森林、k近邻、朴素贝叶斯、BP神经网络和径向基函数神经网络5种常见的分类模型进行效果对比,将70%的数据作为训练集用于模型学习,将30%的数据作为测试集以测试模型,通过模型分类准确度和精确度、召回率、F1分数的宏观平均值比较各模型的分类性能。研究结果表明：LDA模型的分类准确率达到83.91%,模型的泛化能力最佳,最适合儿童过街危险感知判定模型的构建。研究结果对不同危险感知类型的儿童群体差异性进行了阐述,有助于了解儿童的个体差异,有望进一步...